Question

我编写了以下代码来学习机器学习方法中的分数。但出现以下错误。是什么原因？

veri = pd.read_csv("deneme2.csv")

veri = veri.drop(['id'], axis=1)

y = veri[['Rating']]
x = veri.drop(['Rating','Genres'], axis=1)


X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.33)


DTR = DecisionTreeRegressor()
DTR.fit(X_train,y_train)
ytahmin = DTR.predict(x)
DTR.fit(veri[['Reviews','Size','Installs','Type','Price','Content Rating','Category_c']],veri.Rating)
basari_DTR = DTR.score(X_test,y_test)
#print("DecisionTreeRegressor: Yüzde",basari_DTR*100," oranında:" )
a = np.array([159,19000000.0,10000,0,0.0,0,0]).reshape(1, -1)
predict_DTR = DTR.predict(a)
print(f1_score(y_train, y_test, average='macro'))

错误：找到的样本数量不一致的输入变量为[6271，3089]

Answer 1

f1_score必须从测试中得出真实的y，并从测试集上得出预测的值，因此最后一行应该是：

DTR = DecisionTreeRegressor()
DTR.fit(X_train,y_train)

y_pred = DTR.predict(X_test)
print(f1_score(y_pred, y_test, average='macro'))

您不应两次致电fit，并且预测的形状必须与测试的长度相同，请参阅一些sklearn基本教程以获取更多信息。

Answer 2

您的代码至少有两个问题。

您报告的第一个错误

print(f1_score(y_train, y_test, average='macro')) 
Error: Found input variables with inconsistent numbers of samples: [6271, 3089]

是由于您的y_train和y_test的长度不同，正如其他答案中已经指出的那样。

但这不是这里的主要问题，因为即使按照建议将y_train更改为y_pred，也会收到一个新错误：

print(f1_score(y_pred, y_test, average='macro')) 
Error: continuous is not supported

这仅仅是因为您处于回归设置，而f1得分是分类指标，因此，它不适用于连续预测。< / p>

换句话说，对于您的（回归）问题，f1得分不合适，因此是错误的。

检查list of metrics available in scikit-learn，可以确认f1分数仅用于分类，然后选择另一个适用于回归问题的指标。

要详细了解在scikit-learn中选择不合适的指标时会发生什么，请参见Accuracy Score ValueError: Can't Handle mix of binary and continuous target

发现输入变量的样本数不一致错误

2 个答案: